-
公开(公告)号：CN113035349B
公开(公告)日：2024-01-05
申请号：CN202110320409.1
申请日：2021-03-25
Applicant: 浙江大学
IPC: G16H50/20 , G16H50/70 , G06N3/04 , G06N3/0985 , G06F18/25
Abstract: 本发明公开了一种面向遗传代谢病多中心筛查的神经网络动态融合方法，该方法中除了多个筛查中心外，还需要配备两种类型的节点：任务节点、计算节点，其中任务节点负责多中心筛查任务的管理、分发、维护；每个筛查中心各需要配备一个计算节点，负责任务节点下发联合建模任务的计算。本发明方法是面向遗传代谢病多中心筛查场景的，填补了多中心联合建模方法的空缺。其次，结合遗传代谢病多中心筛查建模任务多、神经网络融合通信负载压力大的特性，本发明方法采用探测性参数采样，评估多个计算节点种模型迭代的同步程度，动态调整模型融合的时间节点，提升融合效率，减少通信次数，可以有效降低整体任务的通信负载。
-
公开(公告)号：CN111310798B
公开(公告)日：2023-05-16
申请号：CN202010063066.0
申请日：2020-01-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于几何特征和纹理特征的脸部运动迟缓的检测模型的构建方法，其中构建的基于面部表情特征的检测模型可用于检测与帕金森相关的运动迟缓症状。面部表情特征包括几何特征和纹理特征。几何特征定义了FEF(面部表情因子)和FECF(面部表情改变因子)以量化静态图像的面部表情。然而，这些几何特征只涉及空间信息，其中，SEM面部特征是借鉴普氏分析来构造的。而纹理特征使用扩展的HOG算法来提取在短时间内的动态表情变化。纹理特征结合了空间维度和时间维度，从而弥补了几何特征的缺点。最后，使用五种监督式机器学习方法构建基于面部表情特征的检测模型。实验结果表明，该系统的F1指数最高可达94.46％。
-
公开(公告)号：CN113035363A
公开(公告)日：2021-06-25
申请号：CN202110320400.0
申请日：2021-03-25
Applicant: 浙江大学
Abstract: 本发明公开了一种概率密度加权的遗传代谢病筛查数据混合采样方法，该方法利用基于特征惩罚的方法估计每个特征的重要性，在采样时对特征空间的各个方向进行加权；同时，估计阳性样本的分布情况，并将概率密度分布作为样本生成的依据，使得采样生成的样本与整体阳性样本分布较为一致。本发明的方法能够根据不同疾病的特征重要性在特征空间上进行加权，且所生成的阳性样本更加符合真实的人口统计学分布情况。相比于现有采样方法，采用本发明所生成的数据进行建模，初筛阳性率能降低约0.5％左右。
-
公开(公告)号：CN117634375A
公开(公告)日：2024-03-01
申请号：CN202311417251.5
申请日：2023-10-30
Applicant: 浙江大学 , 恒生电子股份有限公司
IPC: G06F30/3312 , G06F30/27 , G06F18/24 , G06F119/02
Abstract: 本发明公开了一种多元缺失时序数据端到端预测方法，包括：获取历史时间段的有预测标签的多元缺失时序数据样本及对应的数据缺失矩阵；构建基于Transformer的神经网络模型；对多元缺失时序数据样本进行实例归一化，并划分为非重叠时间块，得到时间块信息矩阵及时间块缺失矩阵；对时间块信息矩阵及时间块缺失矩阵进行手动信息掩蔽，通过重构掩蔽信息的方式进行自监督预训练得到预训练后的神经网络模型；构建联合交叉预测模块，将时间块信息矩阵及时间块缺失矩阵相继输入预训练后的神经网络模型与交叉预测模块得到预测结果，根据标签进行有监督微调得到多元缺失时序预测模型；将输入的多元缺失时序数据利用多元缺失时序预测模型进行预测得到时序预测结果。
-
-
Patent Agency Ranking
公开(公告)号：CN116108919A
公开(公告)日：2023-05-12
申请号：CN202310104418.6
申请日：2023-02-13
Applicant: 浙江大学滨江研究院
IPC: G06N3/098 , H04L67/01 , G06F18/214 , G06F18/24 , G06F18/22
Abstract: 本发明公开了一种基于相似特征协作的个性化联邦学习方法和系统，应用于客户端和服务器，服务器用于管理至少两个客户端，每一客户端上具有局部模型及局部数据集，方法包括：(1)服务器接收各客户端发送的局部类级特征向量集；(2)服务器根据局部类级特征向量集，基于各客户端的聚合权重生成客户端的个性化类级特征向量集；(3)每个客户端从服务器上下载对应的个性化类级特征向量集，在其局部数据集上进行训练更新其局部模型，获得局部类级特征向量集；(4)重复步骤(2)‑(3)直至所有客户端平均训练损失不再下降。本发明可以改善因数据异构导致的局部模型性能下降，同时兼顾模型异构、通信成本以及可解释的参与者贡献评价等问题。
-
公开(公告)号：CN110473634B
公开(公告)日：2021-10-08
申请号：CN201910328962.2
申请日：2019-04-23
Applicant: 浙江大学
Abstract: 本发明公开了一种基于多域融合学习的遗传代谢病辅助筛查方法，该方法将筛查数据非线性投影到隐空间进行表示，并通过建立不同地区代谢物分布差异性约束，实现对多地区筛查数据的统一建模，本发明利用神经网络的非线性映射表示了不同代谢物之间的关联性；利用主神经网络中的多域融合技术建立了一个基于多地区筛查数据的统一模型；且通过数据融合增大了数据总量，使得模型在保持召回率不变的前提下，降低了假阳性率。
-
公开(公告)号：CN112151193A
公开(公告)日：2020-12-29
申请号：CN202011137209.4
申请日：2020-10-22
Applicant: 浙江大学
Abstract: 本发明公开了一种基于二次过滤的遗传代谢病特异性指标挖掘方法，该方法利用预设规则构建候选指标集，设计过滤函数和精练函数评估候选指标集之间、候选指标集内部的特异性程度，通过不断迭代自动挖掘出遗传代谢病相关的特异性指标，提高筛查指标的多样性和筛查的准确度。本发明方法挖掘得到的特异性指标能够将初筛假阳性率降低至1％左右。
-
公开(公告)号：CN111210415A
公开(公告)日：2020-05-29
申请号：CN202010010215.7
申请日：2020-01-06
Applicant: 浙江大学
Abstract: 本发明公开了一种基于VS-C3D网络的帕金森患者面部表情低迷的检测方法，具体过程如下：首先，对面部视频进行人脸捕捉，裁剪掉与面部无关的区域，留下包含人脸的图像序列作为输入数据；接着，输入图像序列被分为两条通道：一条通道由RGB彩色图像序列构成，另一条通道是从RGB彩色图像中提取的光流图像；然后，VS-C3D网络中的VEL算法切分了包含脸部活动的视频片段，去除了视频中无表情区域；最后，VGGV网络提取了脸部活动的时空特征，将脸部活动的拟态表示数字化，并通过这些时空特征区分患有面部表情低迷症状的帕金森患者和正常对照对象。综上所述，该发明实现了高准确率识别帕金森的面部表情低迷症状。
-
公开(公告)号：CN110222772A
公开(公告)日：2019-09-10
申请号：CN201910497178.4
申请日：2019-06-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于块级别主动学习的医疗图像标注推荐方法，首先将整张图像划分成不同区域，识别和区分每个区域所含对象的类型，然后针对图像块和对象类别进行标注推荐，实现对图像各区域标注价值的细粒度评估。本发明通过定位有标注价值的区域，解决了现有标注推荐方法在医疗图像上重复推荐的问题。该方法将图像标注推荐的基本单位缩小到图像块级别，避免了图像中相似对象重复标注导致的资源浪费，进一步地减少了标注成本。与目前最好的医疗图像标注推荐方法相比，本发明在达到相同语义分割精度的情况下最多能减少15％的标注开销，或者在相同标注开销的情况下能够提高2％的语义分割精度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.023 seconds)
